RAG 示例：利用 langchain、Redis、llama.cpp 构建一个 kubernetes 知识库 ...

RAG（Retrieval Augmented Generation 检索加强生成）是现在业界中的一种主流方法，通过增长额外知识的方式来减少大语言模子（LLM）的幻觉问题（一本正经的胡说八道）。
RAG 系统概览

如上图所示，RAG 系统可以分为两个部分：

• Indexing：构建知识库。
  
• Retrieval & Generation：从知识库中获取相干信息，然后生成结果。
  

Indexing 构建知识库的过程可以分为四步：

• Load：加载 PDF、doc、markdown、web 等等形式的知识数据。
  
• Split：由于 LLM 上下文大小的限制，需要将文档进行切割。
  
• Embedding：将文本转换为向量。
  
• store to VectorDB：将文本内容和向量存储至向量数据库，即知识库。
  

Retrieval & Generation 的过程也是四步：

• Embedding：将用户提出的问题转换为向量。
  
• search VectorDB：从知识库中查询与问题语义相近的文本段落。
  
• prompt：将检索出来的文本段落与用户问题归并，生成 prompt。
  
• LLM：将 prompt 提交给大语言模子，得到终极答案。
  

从上述过程中可以看到，相较于直接把问题提交给 LLM 得到答案，RAG 系统额外构建了一个知识库，而且会把问题跟已有知识相结合，生成新的 prompt 后再提交给 LLM 得到答案。
换句话说，RAG 系统就是在用户提出的问题之外，额外增长了一些上下文/背景信息，这些信息可以是实时信息、也可以是专业范畴信息，以此从 LLM 得到更好的答复。
RAG 系统示例

在本示例中，我将利用 langchain、Redis、llama.cpp 构建一个 kubernetes 知识库问答。
langchain 是一个工具包，Redis 被我用作向量数据库，llama.cpp 是一个开源的加载大语言模子的运行时步伐。
我在本地利用了 Docker 容器环境进行开发，通过以下 docker-compose 文件拉取依赖的服务：

1. version: "3.9"
3. services:
4.   redis:
5.     image: redis/redis-stack:7.4.0-v1
6.     container_name: redis
7.     ports:
8.       - "6379:6379"   # 映射 Redis 默认端口
9.       - "8001:8001"   # 映射 RedisInsight 默认端口
11.   llama_cpp_server:
12.     image: ghcr.io/ggerganov/llama.cpp:server
13.     container_name: llama_cpp_server
14.     ports:
15.       - "8080:8080"
16.     volumes:
17.       - ~/ai-models:/models  # 映射主机路径到容器
18.     environment:
19.       LLAMA_ARG_MODEL: /models/llama3.2-1B.gguf
20.       LLAMA_ARG_CTX_SIZE: 4096
21.       LLAMA_ARG_HOST: "0.0.0.0"
22.       LLAMA_ARG_PORT: 8080

复制代码

代码示例如下：

代码释义：

• 加载文档：利用 langchain 抓取 kubernetes 官方文档页面内容。
  
• 切割文档：利用 langchain 切割文档。
  
• 向量化：利用 sentence_transformers 将文本转换为向量：
  

1. from sentence_transformers import SentenceTransformer
2. sentences = ["This is an example sentence"]
4. model = SentenceTransformer('sentence-transformers/all-mpnet-base-v2')
5. embeddings = model.encode(sentences)
6. print(embeddings)

复制代码

• 存储至向量数据库：将文本和向量存储至 Redis，你也可以利用别的向量数据库。
  
• 用户提问向量化：利用同样的模子将用户提出的问题转换为向量。
  
• 向量相似性检索：从向量数据库中检索出与提问相似的文本段落。
  
• 组合生成 prompt：将检索出来的信息与用户提问一起归并生成新的 prompt。
  
• 将 prompt 提交给 LLM 得到答案。
  

终极的测试结果如下：

可以看到，加了上下文之后，LLM 给出的答案更好了。
RAG 面临的挑战

RAG 的每一步几乎都面临挑战：

• 如何加载不同形式的文档数据？这一步问题倒不大。
  
• 如何切割文档？切割的结果影响了 prompt 的上下文信息，因此也会影响 LLM 生成的结果。
  
• 如何做 embedding，选择哪种模子？
  
• 选择哪个向量数据库？常见的技能选型问题。
  
• 如何将检索出来的信息与用户提问一起归并成新的 prompt？prompt 本来就可以五花八门。
  
• 选择哪个 LLM 以及运行时？就模子而言，Llama 系列算是最火的开源模子了；而运行时则有 llama.cpp（大概在其之上封装的 Ollama）、HuggingFace/transformers、vLLM 等等。
  

总结

RAG 系统通过引入知识库，扩展了 LLM 对专业范畴和实时信息的支持能力，使其在答复专业问题时更加正确高效。
(我是凌虚，关注我，无广告，专注技能，不煽惑感情，欢迎与我交流)

---

参考资料：

• https://python.langchain.com/docs/tutorials/rag/
  
• https://huggingface.co/sentence-transformers/all-mpnet-base-v2
  
• https://github.com/ggerganov/llama.cpp/blob/master/examples/server/README.md
  
• https://redis.io/docs/latest/develop/interact/search-and-query/query/vector-search/
  

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。